MODEL MATEMATIS PENGUNJUNG STASIUN PENGISIAN BAHAN BAKAR (STUDI KASUS DI KOTA SURAKARTA)

Transkripsi

1 ISSN MODEL MATEMATIS PENGUNJUNG STASIUN PENGISIAN BAHAN BAKAR (STUDI KASUS DI KOTA SURAKARTA) Nisa Aulia 1), Amirotul M.H.M 2), Slamet Jauhari Legowo 3) 1) Mahasiswa Jurusan Teknik Sipil, Fakultas Teknik, Universitas Sebelas Maret 2)3) Staff Pengajar Jurusan Teknik Sipil, Fakultas Teknik, Universitas Sebelas Maret Abstract Gas station is a place for vehicle to obtain fuel. Because of the need of fuel, especially for vehicle certainly make the owner of vehicle always go to gas station. With the estabilishment of the gas station it will cause a trip attraction on the surrounding and increase the volume of traffic. This research was carried out to create a model that can be used to estimate the number of visitors and to determine the value of coefficient determination (R 2 ). Data colection in this study was done by counting the number of vehicles entering the gas station. Model analysis performed by multiple linear regression model analysis stepwise method and enter using software SPSS 17. The results showed that mathematical models of gas stations visitor for light vehicles (LV) and heavy vehicles (HV) is Y = X 5, the Y is the number of visitors (pcu/h) and the X 5 is the traffic flow (pcu/h). This equation shows that the amount of traffic flow affects the number of gas station. The value of coefficient determination is 0,955; it means the equation is good for estimating the value of dependent variable. Keywords:Gas Stations, Multiple Linier Regression, SPSS, Trip attraction Abstrak Stasiun Pengisian Bahan Bakar (SPBU) merupakan tempat di mana kendaraan bermotor dapat memperoleh bahan bakar. Kebutuhan akan bahan bakar terutama untuk kendaraan bermotor tentunya mendorong pemilik kendaraan untuk selalu mendatangi SPBU. Dengan berdirinya SPBU maka akan menimbulkan tarikan lalu-lintas di sekitarnya dan menambah volume lalu lintas. Penelitian ini dilakukan untuk membuat model yang dapat digunakan untuk memperkirakan jumlah pengunjung serta untuk mengetahui nilai koefisien determinasi (R 2 ). Pengambilan data pada penelitian ini dilakukan dengan cara menghitung jumlah kendaraan yang memasuki area SPBU tersebut. Analisis model dilakukan dengan analisis model regresi linear berganda metode stepwise dan enter menggunakan program SPSS 17. Hasil penelitian menunjukkan bhwa model matematis pengunjung untuk kendaraan ringan dan kendaraan berat adalah Y=19, ,016 X 5, dengan Y adalah jumlah pengunjung (smp/jam) dan X 5 adalah arus lalu lintas (smp/jam). Persamaan ini menunjukkan bahwa besarnya arus lalu lintas mempengaruhi jumlah pengunjung SPBU. Nilai koefisien determinasi (R 2 ) sebesar 0,905; sehingga persamaan regresi yang dihasilkan baik untuk mengestimasi nilai variabel terikat. Kata Kunci :SPBU, Regresi Linier Berganda, SPSS, Tarikan Pergerakan PENDAHULUAN Stasiun Pengisian Bahan Bakar (SPBU) merupakan tempat di mana kendaraan bermotor dapat memperoleh bahan bakar. Kebutuhan akan bahan bakar terutama untuk kendaraan bermotor tentunya mendorong pemilik kendaraan untuk selalu mendatangi SPBU. Apalagi dengan bertambah lengkapnya fasilitas suatu SPBU membuat SPBU bukan hanya untuk tempat pengisian bahan bakar saja, namun bisa juga sebagai meeting point dan tempat transit. Dengan berdirinya SPBU maka akan menimbulkan tarikan lalu-lintas di sekitarnya dan menambah volume lalu lintas. Maka dari itu diperlukan studi untuk memodelkan tarikan pergerakan pengunjung SPBU. Tujuan penelitian ini adalah untuk membuat model yang dapat digunakan untuk memperkirakan besar tarikan pergerakan ke SPBU dan untuk mengetahui tingkat validitas antara variabel bebas dan variabel terikat dari model akhir yang memenuhi persyaratan uji statistik dan pengujian model. Untuk mendapatkan model matematis tarikan pergerakan pada SPBU, perlu dilakukan suatu penelitian tentang tarikan pergerakan ke SPBU. Kemudian dicari jam puncak kendaraan yang masuk ke SPBU yang bersangkutan. Selanjutnya dibuat model matematis tarikan perjalanan (Trip of Attraction Model) pada kondisi sekarang. Setelah didapatkan bentuk model tarikan, model tersebut diuji dengan beberapa pengujian seperti uji linearitas, nonmultikolinearitas, dan lain-lain. Model yang terbaik yang direkomendasikan untuk digunakan sebagai bahan pertimbangan dalam peramalan jumlah tarikan di masa mendatang. TINJAUAN PUSTAKA Perencanaan dan pemodelan transportasi adalah media yang paling efektif untuk mengatasi permasalahan transportasi baik di masa sekarang maupun pada masa yang akan datang. Maka dari itu sekarang telah banyak dilakukan penelitian tentang bangkitan pergerakan untuk berbagai macam jenis tata guna lahan. e-jurnal MATRIKS TEKNIK SIPIL Vol. 1 No. 4/Desember 2013/549

2 Penelitian lain dilakukan oleh Halomoan (2009) pada profil hotel berbintang di daerah Surakarta. Variabel bebas yang digunakan adalah luas lahan (X 1), luas bangunan (X 2), luas parkir (X 3), total jumlah kamar yang tersedia (X 4), jumlah ruang rapat (X 5), dan luas maksimum ruang rapat (X 6). Setelah dilakukan analisis persamaan regresi dan pengujian statistik terhadap masing-masing model, diperoleh model persamaan terbaik, yaitu Y = 35, ,019 X 5 dengan variabel bebas berupa luas maksimum ruang rapat (X 5). Md Majbah Uddin dkk, 2012,melakukan penelitian yang berjudul A Comprehensive Study on Trip Attraction Rates of Shopping Centers in Dhanmondi Area yang didapat dari International Journal of Civil and Enviromental Engineering IJCEE- IJENS Vol:12 No:04 Dari penelitian ini didapat beberapa rata-rata tarikan perjalanan mobil dan orang dengan parameter berbeda-beda. Rata-rata tingkat tarikan perjalanan pada jam puncak berdasar parameter luas area perbelanjaan adalah 7,9 perjalanan orang/1000 ft 2 /jam dan 8,3 perjalanan mobil/ ft 2 /jam. Rata-rata tingkat tarikan perjalanan pada jam puncak berdasar parameter jumlah karyawan sebesar 226 perjalanan /100 karyawan/jam. Rata-rata tingkat tarikan perjalanan pada jam puncak berdasar area parkir adalah 276 perjalanan mobil/10 area parkir /jam. Rata-rata tingkat tarikan perjalanan pada jam puncak dengan parameter gerbang masuk adalah 276 perjalanan /gerbang masuk/jam. Dalam penelitian ini akan dibahas bagaimanakah model matematis untuk kendaraan yang mengunjungi SPBU. Variabel bebas yang digunakan adalah luas lahan, jumlah nozzle, luas rest area, jumlah ATM, arus lalu lintas, dan jarak SPBU terdekat. Sedangkan variabel terikatnya adalah jumlah tarikan pergerakan yang menggunakan kendaraan berat (HV) dan kendaraan ringan (LV). Dalam menganalisis model tarikan perjalanan tersebut digunakan analisis regresi linier berganda guna mengkaji hubungan antara variabel bebas dengan variabel terikat, yang dimana diharapkan hasil dari analisis model tersebut dapat digunakan sebagai bahan pertimbangan dalam peramalan jumlah tarikan perjalan di masa mendatang. Bangkitan dan Tarikan Pergerakan Pemodelan bangkitan perjalanan (trip generation) adalah suatu tahapan pemodelan yang memperkirakan jumlah pergerakan dari suatu zona (trip generation) dan jumlah pergerakan yang tertarik ke suatu zona (trip attraction). Tujuan dasar bangkitan perjalanan adalah menghasilkan suatu model hubungan yang mengaitkan tata guna lahan dengan jumlah pergerakan yang menuju ke suatu zona atau jumlah pergerakan yang meninggalkan suatu zona. Zona asal dan tujuan pergerakan biasanya menggunakan istilah trip end. Pergerakan merupakan fungsi tata guna lahan yang menghasilkan perjalanan lalu lintas. Perjalanan lalu lintas ini mencakup : Lalu lintas yang meninggalkan suatu lokasi Lalu lintas yang menuju atau tiba ke suatu lokasi Hasil keluaran dari perhitungan bangkitan dan tarikan lalu-lintas berupa jumlah kendaraan, orang, atau angkutan barang per satu satuan waktu, misalnya kendaraan/jam. Kita dapat menghitung jumlah orang atau kendaraan yang masuk atau keluar dari suatu luas tanah tertentu dalam satu hari Analisis Korelasi Analisis ini digunakan untuk mengetahui hubungan antara dua atau lebih variabel independen (X 1, X 2, X n) terhadap variabel dependen (Y) secara serentak. Koefisien ini menunjukkan seberapa besar hubungan yang terjadi antara variabel independen (X 1, X 2, X n) secara serentak terhadap variabel dependen (Y). nilai R berkisar antara 0 sampai 1, nilai semakin mendekati 1 berarti hubungan yang terjadi semakin kuat, sebaliknya nilai semakin mendekati 0 maka hubungan yang terjadi semakin lemah. Nilai koefisien korelasi (r) dapat dicari dengan rumus korelasi produk momen pearson sebagai berikut : r = n XY X Y (n X 2 X 2 )(n Y 2 Y 2 )... [1] r adalah Koefisien korelasi besarnya antara 0 sampai ±1;n adalah Jumlah data observasi; X adalah Variabel bebas dan Y adalah Variabel terikat. Analisis Regresi Linier Berganda Yaitu persamaan yang memiliki variabel bebas lebih dari satu. Karena itu untuk bentuk persamaan ini akan terdapat beberapa alternatif persamaan berdasarkan kombinasi kandidat variabel yang ada. Untuk persamaan regresi multi variabel, dibatasi hanya regresi yang bersifat linier saja (regresi multilinier), bentuk umumnya adalah : Y= a + b 1X 1 + b 2X b nx n... [2] e-jurnal MATRIKS TEKNIK SIPIL Vol. 1 No. 4/Desember 2013/550

3 Y adalah variabel terikat;a adalah konstanta regresi;b 1,..., b n adalah koefisien regresi; x 1,..., x n adalah variabel bebas Koefisien Determinasi Koefesien diterminasi dengan simbol r 2 merupakan proporsi variabilitas dalam suatu data yang dihitung didasarkan pada model statistik. Definisi berikutnya menyebutkan bahwa r 2 merupakan rasio variabilitas nilai-nilai yang dibuat model dengan variabilitas nilai data asli. Secara umum r 2 digunakan sebagai informasi mengenai kecocokan suatu model. Dalam regresi r 2 ini dijadikan sebagai pengukuran seberapa baik garis regresi mendekati nilai data asli yang dibuat model. Jika r 2 sama dengan 1, maka angka tersebut menunjukkan garis regresi cocok dengan data secara sempurna. Menurut Tamin (1997), menentukan nilai koefisien determinasi (R 2 ) berdasarkan perhitungan persamaan regresi linier sederhana dan berganda menggunakan persamaan sebagai berikut: R 2 = (Y i Y i ) 2 (Y i Y i ) 2...[3] R 2 adalah Koefisien determinasi;y i adalah Nilai Pengamatan;Y i adalah Nilai Y yang ditaksir dengan model regresi;y i ãdalah Nilai rata-rata pengamatan Uji-F Pengujian ini dilakukan untuk mengetahui apakah semua variabel bebas mempunyai pengaruh yang sama terhadap variabel terikatnya. Pengujian yang dilakukan ini menggunakan uji distribusi F. Caranya yaitu dengan membandingkan antara analisis kritis (F tabel) dengan nilai F hitung yang tedapat dalam tabel ANOVA (Analysis of Variance) dari hasil perhitungan. F= Ʃ Y Ȳ 2 / (k 1)...[4] Ʃ Y Ŷ 2 /(n k) F adalah angka yang dicari;ʃ(y-ȳ)2 adalah jumlah kuadrat dari regresi;ʃ(y-ŷ) adalah jumlah kuadrat dari kesalahan (eror);ȳ adalah nilai rata-rata pengamatan;k adalah jumlah parameter (koefisien regresi) dan n adalah jumlah pengamatan atau sampel Uji t Uji t dilakukan untuk melihat apakah parameter (b 1, b 2,..b n) yang melekat pada variabel bebas cukup berarti (signifikan) terhadap suatu konstanta (a) nol atau sebaliknya. Kalau signifikan, maka variabel bebas yang terkait dengan parameter harus ada dalam model. Rumus untuk mendapatkan t adalah: t= (b β) Sb...[5] Dimana: t = t hitung b = koefisien regresi variabel bebas yang didapatkan β = slope garis regresi sebenarnya Sb = standar error koefisien korelasi Pengujian Model Uji Homoskedastisitas Tujuan uji ini adalah untuk mengetahui apakah dalam sebuah model regresi, terjadi ketidaksamaan varians pada residual (error) dari satu pengamatan ke pengamatan yang lain. Jika varians dari residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas. Dan jika varians berbeda, disebut dengan heteroskedastisitas.sebuah model dapat dikatakan baik jika tidak terjadi heteroskedastisitas. Uji Normalitas Normalitas dapat dicek salah satunya dengan cara grafik. Normalitas terpenuhi jika titik-titik data terkumpul di sekitar garis lurus. Untuk uji keberangkatan data (asal data) dari normalitas digunakan uji sampel Kolmogorof Smirnov. Tujuannya adalah untuk memastikan apakah dapat diambil kesimpulan bahwa F(x) = F 0(x) untuk semua x cocok dengan fungsi distribusi sampel {S(x)} yang teramati atau fungsi distribusi empiris. H 0 = Sampel ditarik dari populasi dengan distribusi tertentu H 1 = Sampel ditarik bukan dari populasi dengan distribusi tertentu Pengambilan kesimpulan pada pengujian hipotesis dilakukan sebagai berikut: e-jurnal MATRIKS TEKNIK SIPIL Vol. 1 No. 4/Desember 2013/551

4 Jika Asymp. Sig < taraf signifikansi (α) maka H 0 ditolak Jika Asymp. Sig > taraf signifikansi (α) maka H 0 diterima METODE PENELITIAN Lokasi Penelitian Lokasi penelitian ini meliputi SPBU Pasar Kliwon, SPBU Sekarpace, SPBU Mt Haryono, SPBU Bhayangkara, dan SPBU Balapan. Data Penelitian Data yang digunakan dalam penelitian ini terbagi menjadi dua, yaitu data primer dan data sekunder. Data primer yang dibutuhkan adalah: 1. Banyaknya tarikan pergerakan ke SPBU dengan menggunakan moda transportasi, yaitu sepeda motor (MC), mobil (LV), bus (HV), dan truk (HV). Data tersebut diperoleh dari hasil pengamatan atau observasi langsung pada lokasi studi dengan mencatat jumlah kendaraan yang masuk ke SPBU pada jam puncak. 2. Arus lalu lintas di ruas jalan depan SPBU yang searah dan berlawan arah. Data sekunder yang dibutukan antara lain luas lahan, jumlah nozzle, luas rest area, jumlah ATM dan jarak SPBU lain terdekat. Data sekunder ini diperoleh dari pihak pengelola SPBU atau instansi terkait. Data ini meliputi karakteristik tata guna lahan pada masing-masing lokasi tersebut dan merupakan variabel bebas. Sedangkan untuk data jarak SPBU terdekat didapatkan melalui aplikasi Google Earth Pro. Pengolahan Data Metode yang digunakan untuk menganalisis data adalah metode analisis regresi linier berganda. Untuk pengolahan data digunakan program software SPSS 17 dengan metode stepwise dan enter. HASIL DAN PEMBAHASAN Rekapitulasi variabel terikat dan variabel bebas yang digunakan disajikan pada tabel 1 berikut : Tabel 1. Rekapitulasi variabel terikat dan variabel bebas Variabel Terikat Variabel Bebas Nama SPBU Jumlah Pengunjung (HV+LV) (smp/jam) Luas Lahan (m 2 ) Jumlah Nozzle Mobil Luas Rest Area (m 2 ) Jumlah ATM Arus Lalu Lintas (smp/jam) Jarak SPBU Terdekat (m) var Y X 1 X 2 X 3 X 4 X 5 X 6 Pasar Kliwon 64, , Sekar Pace 62, , MT Haryono , Bhayangkara 61, , Balapan 42, , Analisis Korelasi Hasil pengujian koefisien korelasi dapat dilihat pada tabel 2. Tabel 2. Koefisien Korelasi Y X 1 X 2 X 3 X 4 X 5 X 6 Y 1 0,799-0,170 0,790 0,746 0,977-0,634 X 1 1 0,323 0,893 0,911 0,893-0,612 X 2 1 0,089 0,265-0,073-0,491 X 3 1 0,982 0,891-0,404 X 4 1 0,853-0,511 X 5 1-0,587 X 6 1 Dari tabel 2. dapat dilihat koefisien korelasi antara variabel bebas dan variabel terikat memiliki korelasi tinggi yaitu 0,977 dan terdapat satu koefisien yang memiliki korelasi sangat rendah yaitu -0,170. Dan untuk koefisien korelasi antar variabel bebas memiliki nilai yang bervariasi antara -0,073 sampai dengan 0,911. e-jurnal MATRIKS TEKNIK SIPIL Vol. 1 No. 4/Desember 2013/552

5 Analisis Regresi Linear Berganda Hasil dari proses analisis regresi linear berganda menggunakan metode Enter dan metode Stepwise dapat dilihat pada tabel 3. Tabel 3. Alternatif Model STEPWISE R 2 F 1 Y=19,535+0,016 X 5 0,955 63,101 ENTER R 2 F 1 Y = 90, ,013 X 1 2,233 X 2 + 0,059 X 3 0,028 X Y = 30,057 0,008 X 1 0,067 X 3 + 0,022 X 5 0,005 X Y = 28,100 0,009 X 1 0,280 X 3 + 3,501 X 4 + 0,025 X Y = 20,446 0,006 X 1 0,107 X 3 + 0,023 X 5 0,995 66,222 5 Y = 19,568 0,009 X 1 + 0,021 X 5 0,982 54,425 6 Y = 19, ,016 X 5 0,955 63,101 Uji Analisis Varian (Uji-F / ANOVA) Hasil pengujian F-hitung pada masing-masing persamaan dapat dilihat pada tabel 4. Tabel 4. Hasil Uji F Metode Model Persamaan Regresi F hitung F tabel Kesimpulan Stepwise Y=19,535+0,016 X 5 63,101 10,13 H 0 ditolak Y = 20,446 0,006 X 1 0,107 X 3 + 0,023 X 5 66, ,707 H 0 diterima Enter Y = 19,568 0,009 X 1 + 0,021 X 5 54, H 0 ditolak Y = 19, ,016 X 5 63,101 10,13 H 0 ditolak Keterangan : Jika F hitung < F tabel maka H 0 diterima, yaitu variasi perubahan nilai variabel bebas tidak dapat menjelaskan variasi variabel terikat Jika F hitung > F tabel maka H 0 ditolak, yaitu variasi perubahan nilai variabel bebas dapat menjelaskan variasi variabel terikat Dari tabel hasil Uji F disimpulkan bahwa model persamaan regresi Y=19,535+0,016 X 5 dan Y = 19,568 0,009 X 1 + 0,021 X 5 Pengujian Terhadap Koefisen Regresi (Uji t) Hasil pengujian T-test pada masing-masing persamaan dapat dilihat pada tabel 5. Tabel 5. Metode Stepwise Metode Enter Hasil Uji T Y=19,535+0,016 X 5 0,016 7,944 3,182 H 0 ditolak Y = 20,446 0,006 X 1 0,107 X 3 + 0,023 X 5-0,006-1,290 12,706 H 0 diterima -0,107-1,613 12,706 H 0 diterima -0,023 8,096 12,706 H 0 diterima Y = 19,568 0,009 X 1 + 0,021 X 5-0,009-1,741 4,303 H 0 diterima 0,021 6,176 4,303 H 0 ditolak Y = 19, ,016 X 5 0,016 7,944 3,182 H 0 ditolak Keterangan: Jika statistik t hitung < t tabel, maka H 0 diterima, yaitu menerima anggapan bahwa koefisien regresi tidak signifikan. Jika statistik t hitung > t tabel, maka H 0 ditolak, yaitu menolak anggapan bahwa koefisien regresi tidak signifikan. Dari tabel di atas dapat disimpulkan model yang keseluruan koefisien regresinya signifikan adalah model dari metode enter Y = 20,446 0,006 X 1 0,107 X 3 + 0,023 X 5. e-jurnal MATRIKS TEKNIK SIPIL Vol. 1 No. 4/Desember 2013/553

6 Pengujian Model Uji Homoskedastisitas Tabel 6. Hasil Uji Park Metode Stepwise Metode Enter Y=19,535+0,016 X 5 0,016-0,820 3,182 H 0 diterima Y = 20,446 0,006 X 1 0,107 X 3 + 0,023 X 5-0,006-42,525 12,706 H 0 diterima -0,107 41,164 12,706 H 0 ditolak -0,023 14,452 12,706 H 0 ditolak Y = 19,568 0,009 X 1 + 0,021 X 5-0,009 1,057 4,303 H 0 diterima 0,021-0,552 4,303 H 0 diterima Y = 19, ,016 X 5 0,016-0,820 3,182 H 0 diterima Keterangan : Jika t hitung< t tabel maka H 0 diterima, yaitu terjadi homoskedastisitas (asumsi terpenuhi) Jika t hitung> t tabel maka H 0 ditolak, yaitu tidak terjadi homoskedastisitas (asumsi tidak terpenuhi) Berdasarkan hasil Uji Park dapat disimpulkan bahwa persamaan Y=19,535+0,016 X 5 dan Y = 19,568 0,009 X 1 + 0,021 X 5 terjadi homoskedastisitas (kesamaan varians), sehinggga asumsi terpenuhi. Sedangkan model Y = 20,446 0,006 X 1 0,107 X 3 + 0,023 X 5 tidak terjadi homoskedastisitas, sehingga asumsi tidak terpenuhi. Uji Normalitas Terdapat dua metode yang dapat dilakukan untuk mengetahui normalitas pada suatu data, yaitu menggunakan plot probabilitas normal dan metode Kolmogorov-Smirnov. Plot probabilitas normal dilakukan dengan melihat banyaknya data (titik) menyebar disekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal, kita dapat mengetahui data terdistribusi normal atau tidak. Pada gambar 1. terlihat bahwa titik-titiknya tersebar disekitar garis lurus. Jadi dapat disimpulkan asumsi kenormalan terpenuhi. (a) (b) (c) (d) Gambar 1.Uji Normalitas Persamaan Regresi (a)y=19,535+0,016 X 5 ;(b) Y=20,446 0,006 X 1 0,107 X 3 + 0,023 X 5 ; (c) Y=19,568 0,009 X 1 + 0,021 X 5 ; (d) Y=19,535+0,016 X 5 e-jurnal MATRIKS TEKNIK SIPIL Vol. 1 No. 4/Desember 2013/554

7 Hasil pengujian data dengan metode kolmogorov-smirnov dapat dilihat pada tabel 7. Tabel 7. Hasil pengujian kolmogorov-smirnov Variabel Kolmogorov smirnov Z Asymp. Sig. (2-tailed) Kesimpulan Jumlah Pengunjung (HV+LV) 0,636 0,813 normal Luas Lahan 0,619 0,838 normal Jumlah Nozzle Mobil 0,495 0,967 normal Luas Rest Area 0,433 0,992 normal Jumlah ATM 0,495 0,867 normal Arus Lalu Lintas 0,621 0,836 normal Jarak SPBU Terdekat 0,781 0,575 normal Keterangan : Jika signifikansi > 0,05 maka data terdistribusi normal. Jika signifikansi < 0,05 maka data terdistribusi tidak normal. Berdasarkan pengujian data dengan metode kolmogorov-smirnov menunjukkan bawa data terdistribusi normal. Uji Linieritas Kelinearan model yang terbentuk diuji melalui plot residual terhadap harga- harga prediksi. Jika grafik antara harga-harga prediksi dengan harga-harga residual tidak membentuk suatu pola tertentu seperti parabola, kubik, dan sebagainya, maka asumsi linearitas terpenuhi. Hasil pengujian Linieritas dapat dilihat pada gambar 2. (a) (b) (c) (d) Gambar 2.Uji Linearitas Persamaan Regresi (a)y=19,535+0,016 X 5 ;(b) Y=20,446 0,006 X 1 0,107 X 3 + 0,023 X 5 ; (c) Y=19,568 0,009 X 1 + 0,021 X 5 ; (d) Y=19,535+0,016 X 5 Dari gambar 2. tampak bahwa harga-harga prediksi (standardized predicted value) dengan harga-harga residual (standardized residual) untuk semua model regrei linier tidak membentuk pola tertentu. Jadi asumsi linearitas terpenuhi. Pemilihan Model Hasil analisis uji statistik persamaan regresi dan pengujian model terhadap kelima model tersebut dirangkum pada tabel 8. berikut. e-jurnal MATRIKS TEKNIK SIPIL Vol. 1 No. 4/Desember 2013/555

8 Tabel 8. Rangkuman Hasil Uji Statistik dan Pengujian Model Jenis Analisis/pengujian Analisis Persamaan Regresi Pengujian Model Metode Stepwise Y=19, ,016X 5 Y = 20,446 0,006 X 1 0,107 X 3 + 0,023 X 5 Metode Enter Y = 19,568 0,009 X 1 + 0,021 X 5 Y=19, ,016X 5 Uji Koefisien Determinasi (R 2 ) 95,5 % 99,5 % 98,2 % 95,5 % Uji F Signifikan Tidak Signifikan Signifikan Signifikan Uji t Signifikan Tidak Signifikan Tidak Signifikan Signifikan Homoskedastisitas Terpenuhi Tidak Terpenuhi Terpenuhi Terpenuhi Normalitas Terpenuhi Terpenuhi Terpenuhi Terpenuhi Linearitas Terpenuhi Terpenuhi Terpenuhi Terpenuhi Berdasarkan tabel 8. dapat disimpulkan model yang terbaik adalah Y=19, ,016X 5, dimana Y adalah Jumlah Pengunjung SPBU (HV+LV) dan X 5 adalah arus lalu lintas adalah model terbaik. SIMPULAN Dari proses analisis terhadap jumlah pengunjung pada SPBU di wilayah Surakarta diperoleh kesimpulan sebagai berikut: 1. Model yang memenuhi persyaratan hasil uji statistik dan pengujian model adalah : Y=19, ,016X 5 Keterangan : Y = Jumlah pengunjung (HV+LV) (smp/jam). X 5 = Arus Lalu Lintas (smp/jam). 2. Tingkat validitas antara variabel julah pengunjung (HV+LV) dan arus lalu lintas dari model yang dihasilkan yaitu sebesar 0,955; sehingga dapat disimpulkan bahwa persamaan regresi yang dihasilkan baik untuk mengestimasi nilai variabel terikat. REKOMENDASI Rekomendasi yang dapat kami berikan untuk menindaklanjuti hasil penelitian ini adalah: 1. SPBU yang akan dijadikan objek studi seharusnya memiliki profil yang homogen. 2. Jumlah sampel perlu diperbanyak. UCAPAN TERIMAKASIH Puji syukur atas kehadirat Allah SWT, sehingga penelitian ini dapat terselesaikan. Terselesaikannya penyusunan penelitian ini karena dukungan serta doa dari keluarga dan teman-teman, untuk itu kami ucapkan terima kasih. Ucapan terima kasih juga kami sampaikan kepada Ibu Amirotul M.H.M, ST, MSc dan Bapak S.J Legowo,ST. MT, selaku pembimbing yang dengan penuh kesabaran telah memberi koreksi dan arahan sehingga menyempurnakan penyusunan. Pada kesempatan ini kami mengucapkan terima kasih yang tulus kepada semua pihak yang telah berperan dalam mewujudkan penelitian ini secara langsung maupun tidak langsung khususnya mahasiswa sipil UNS REFERENSI Anonim Pedoman Teknis Analisis Dampak Lalu Lintas Pembangunan Pusat Kegiatan pada Ruas Jalan Nasional di Wilayah Perkotaan. Jakarta: Departemen Perhubungan Gujarati, Damodar N Basic Econometric.The McGraw-Hill Company Halomoan, Robin P Pemodelan Tarikan Pergerakan pada Profil Hotel Berbintang di Daerah Surakarta. Skripsi. Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret.Surakarta Oglesby, Clarkson H & R. Gary Hicks.1993.Teknik Jalan Raya Edisi Keempat Jilid 1.Jakarta:Erlangga Ortuzar,J de D & L.G. Willumsen.1990.Modelling Transport.Chichester:John Wiley&sons Santoso, Singgih Aplikasi SPSS pada Statistik Parametrik. Jakarta:PT. Alex Media Komputindo Tamin, O.Z.2000.Perencanaan dan Pemodelan Transportasi. Bandung:ITB Uddin, Md Majbah, dkk A Comprehensive Study on Trip Attraction Rates of Shopping Centers in Dhanmondi Area.International Journal of Civil and Environmental Engineering IJCEE-IJENS Vol:12 No:04 :12-16 e-jurnal MATRIKS TEKNIK SIPIL Vol. 1 No. 4/Desember 2013/556